BPNN在matlab中的实现学习.pdfVIP

运用Matlab创建BP神经网络（R2010b）

BP神经网络属于前向网络

以下为创建BP神经网络的方法及参数意义

（1）net=newff（P,T,S）或者net=newff(P,T,S,TF,BTF,BLF,PF,IPF,OPF,DDF)

P：输入参数矩阵。(RxQ1)

T：目标参数矩阵。(SNxQ2)

S：N-1个隐含层的数目（S（i）到S（N-1）），输出层的单元数目取决于T，默认为空矩

阵。

TF：相关层的传递函数，默认隐含层为tansig函数，输出层为purelin函数。

BTF：BP神经网络学习训练函数，默认值为trainlm函数。

BLF：权重学习函数，默认值为learngdm。

PF：性能函数，默认值为mse。

IPF，OPF，DDF均为默认值即可。

（2）传递函数

purelin线性传递函数

tansig正切S型传递函数

logsig对数S型传递函数

隐含层和输出层函数的选择对BP神经网络预测精度有较大影响，一般隐含层节点转移函数

选用tansig函数或logsig函数，输出层节点转移函数选用tansig函数或purelin函数。

（3）学习训练函数

神经网络的学习分为有导师学习和无导师学习。

最速下降BP算法：traingd

动量BP算法：traingdm

学习率可变的BP算法：trainda（学习率可变的最速下降BP算法）；traindx（学习率可变

的动量BP算法）

弹性算法：trainrp

变梯度算法：traincgf（Fletcher-Reeves修正算法）

traincgp（Polak_Ribiere修正算法）

traincgb（Powell-Beale复位算法）

trainbfg（BFGS拟牛顿算法）

trainoss（OSS算法）

trainlm（LM算法）

参数说明：通过net.trainParam可以查看参数

ShowTrainingWindowFeedbackshowWindow:true

ShowCommandLineFeedbackshowCommandLine:false

CommandLineFrequencyshow:两次显示之间的训练次数

MaximumEpochsepochs:训练次数

MaximumTrainingTimetime:最长训练时间（秒）

PerformanceGoalgoal:网络性能目标

MinimumGradientmin_grad:性能函数最小梯度

MaximumValidationChecksmax_fail:最大验证失败次数

LearningRatelr:学习速率

LearningRateIncreaselr_inc:学习速率增长值

LearningRatelr_dec:学习速率下降值

MaximumPerformanceIncreasemax_perf_inc:

MomentumConstantmc:动量因子

（4）BP神经网络预测函数

SimOut=sim(model,Parameters)y=sim(net,x)

函数功能：用训练好的BP神经网络预测函数输出

net：训练好的网络

x：输入数据

y：网络预测数据

(5)训练函数

[net,tr]=train(Net,P,T,Pi,Ai)

其中，

Net待训练的网络

P输入数据矩阵

T输出数据矩阵(default=zeros)

Pi初始化输入层条件(default=zeros)

Ai初始化输出层条件(default=zeros)

net训练好的网络

tr训练过程记录

注意：PNi-by-TScellarrayEachelementP{i,j,ts}isanNi-by-Qmatrix.

TNl-by-TScellarrayEachelementT{i,ts}isaUi-by-Qmatrix.

BP网络的常用函数表

函数类型函数名称函数用途